课程简介
课程系统剖析LLM与Agent底层技术（涵盖RAG、MCP、Multi-Agent等），深度拆解AI4SE（AI赋能研发全流程与AI4Test）与SE4AI（AI原生应用架构与Agentic设计）两大核心领域的工程实践。结合BAT、Google等大厂独家案例，指导学员掌握从智能编码到自动化测试的效能跃迁路径，并前瞻性地构建AI原生应用的质量保障与评测体系。旨在帮助技术团队跨越AI落地鸿沟，全面重塑LLM时代的软件研发新范式。
目标收益
培训对象
软件研发负责人，研发管理负责人，运维负责人，DevOps负责人，测试负责人，工程效能负责人
软件架构师，资深研发工程师
运维架构师，资深运维工程师，DevOps工程师，SRE
测试架构师，资深测试工程师
研发管理人员，研发流程工程师
课程大纲
| 熟练使用LLM能力的最佳实践与案例（上） |
1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示的万能使用公式详解 4.提示词模板的使用 5.提示词静态链的使用 6.提示词的横向扩展和纵向扩展 7.使用OpenAI API 8.ReAct的概念和落地 9.ReAct的能力短板与改进设计 10.思维链和多思维链 11.RAG的基本原理与应用 12.RAG召回率低的处理方法与实践 13.多模态RAG的使用 14.plugin机制与使用方式 15.Function Call机制与使用方式 16.MCP机制与使用方式 |
| 熟练使用LLM能力的最佳实践与案例（下） |
1.Skill机制与使用方式 2.Skill的版本管理与共享机制 3.Skill本身的质量管控 4.Agent的雏形 5.Agent开发的基本框架 6.Agent的设计模式 7.业界主流Agent的设计思路与使用 8.Harness Engineering的概念与实践 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Manus的设计原理 15.Multi-Agent应用示例：MetaGPT 16.Multi-Agent应用示例：DevChat 17.OpenClaw的设计原理 |
| Agent设计模式 |
1.顺序执行链模式与案例详解 2.路由模式与案例详解 3.并行模式与案例详解 4.反思模式与案例详解 5.工具使用模式与案例详解 6.规划模式与案例详解 7.多智能体协作模式与案例详解 8.人类参与模式与案例详解 9.短期记忆管理模式与案例详解 10.长期记忆管理模式与案例详解 11.Agent开发的主流框架简介 12.Agent开发框架的学习方法与策略 13.基于可视化编排的Agent开发模式 14.基于代码框架的Agent开发模式 15.记忆，规划，工具，自主决策，推理详解 16.多智能体协作 17.企业级智能体应用与任务规划 18.Agent开发框架选型 19.Agent设计模式ADPS简介 20.ADPS的使用方式与实践 |
| AI4SE（AI能力应用于软件工程）的最佳实践 |
1.软件研发全流程中LLM擅长的部分 2.软件研发全流程中LLM不擅长的部分 3.上下文知识库构建的核心价值 4.企业级知识库构建的基本方法 5.竞品分析与市场调研阶段LLM的应用场景与案例 6.产品概念与产品定义阶段LLM的应用场景与案例 7.产品原型阶段LLM的应用场景与案例 8.产品体验设计阶段LLM的应用场景与案例 9.需求分析阶段LLM的应用场景与案例 10.技术选型阶段LLM的应用场景与案例 11.顶层设计阶段LLM的应用场景与案例 12.详细设计阶段LLM的应用场景与案例 13.从设计到UML，从UML到代码的完整示例 14.编码阶段LLM的应用场景与案例 15.代码评审阶段LLM的应用场景与案例 16.单元测试阶段LLM的应用场景与案例 17.接口测试阶段LLM的应用场景与案例 18.持续集成流水中LLM的应用场景与案例 19.各类软件工程文档中LLM的应用场景与案例 20.持续发布中LLM的应用场景与案例 21.性能测试阶段LLM的应用场景与案例 22.测试结果分析中LLM的应用场景与案例 |
| AI4Test（将AI技术应用于传统软件测试）技术与行业成功案例 |
1.使用OpenAI API实现单元测试用例的生成 2.LLM用于单元测试用例生成的技术难点与解决思路 3.基于LLM增强传统API自动化测试的行业实践 4.使用OpenAI API实现API接口测试用例的生成 5.使用DeepSeek 实现API组合调用测试用例的生成 6.LLM用于API接口测试用例生成的技术难点与解决思路 7.基于LLM实现可测试性工具的自动生成 8.基于LLM实现测试数据的自动生成 9.基于LLM增强传统GUI自动化测试的行业实践 10.基于LLM增强传统性能测试的行业实践 11.基于LLM增强混沌工程的行业实践 12.测试脚本开发中的GitHub Copilot应用 13.基于OpenClaw实现E2E测试用例的辅助设计与执行 14.基于AI Agent的测试用例设计生成技术 15.基于AI Agent的测试用例脚本生成技术 16.基于Multi-Agent的测试用例设计生成技术 17.基于Multi-Agent的测试用例脚本生成技术 18.使用LLM实现Monkey Test的能力扩展 19.使用LLM实现无脚本的Mobile App探索测试 20.使用LLM识别错误敏感的测试数据 21.使用LLM实现失败测试用例的自动修复 22.使用LLM提升被测对象的可测试性 23.企业级案例：基于需求结构化的E2E GUI自动化测试脚本的生成 |
| SE4AI（AI原生应用开发）的最佳实践 |
1.AI原生应用的概念 2.Agentic设计模式 3.Agentic架构演进 4.低代码 VS 实时生成与执行 5.Palantir FDE模式 6.从Code-First到Value-First 7.从确定性到概率性：管理AI输出的不确定性 8.Ownership（对最终业务效果负责） VS Velocity（极速迭代） 9.Palantir FDE的本体论 10.AI原生应用的质量保障（左移） 11.AI原生应用的质量保障（右移） 12.AI原生应用的评测体系 |
| AI和Agent能力评测的最佳实践 |
1.LLM评测的行业现状 2.做好评测必须掌握的LLM的核心知识体系 3.如何客观看待评测的结果 4.LLM评测 vs Agent评测 5.结果评测 vs 过程评测 6.现有评测体系的人为局限性 7.评测的本质思考和软件工程的本质 8.有效评测体系建立的基本思路 9.评测体系建立的工程实践 10.大语言模型辅助软件工程的评测体系设计 |
|
熟练使用LLM能力的最佳实践与案例（上） 1.大语言模型的基本原理详解 2.LLM应用能力的进阶模型（“倒三角”模型） 3.提示的万能使用公式详解 4.提示词模板的使用 5.提示词静态链的使用 6.提示词的横向扩展和纵向扩展 7.使用OpenAI API 8.ReAct的概念和落地 9.ReAct的能力短板与改进设计 10.思维链和多思维链 11.RAG的基本原理与应用 12.RAG召回率低的处理方法与实践 13.多模态RAG的使用 14.plugin机制与使用方式 15.Function Call机制与使用方式 16.MCP机制与使用方式 |
|
熟练使用LLM能力的最佳实践与案例（下） 1.Skill机制与使用方式 2.Skill的版本管理与共享机制 3.Skill本身的质量管控 4.Agent的雏形 5.Agent开发的基本框架 6.Agent的设计模式 7.业界主流Agent的设计思路与使用 8.Harness Engineering的概念与实践 9.Multi-Agent的雏形 10.业界主流Multi-Agent的设计思路 11.多Agent任务调度策略与选型 12.Agent设计模式与选择 13.Multi-Agent的基本逻辑和应用范围 14.Manus的设计原理 15.Multi-Agent应用示例：MetaGPT 16.Multi-Agent应用示例：DevChat 17.OpenClaw的设计原理 |
|
Agent设计模式 1.顺序执行链模式与案例详解 2.路由模式与案例详解 3.并行模式与案例详解 4.反思模式与案例详解 5.工具使用模式与案例详解 6.规划模式与案例详解 7.多智能体协作模式与案例详解 8.人类参与模式与案例详解 9.短期记忆管理模式与案例详解 10.长期记忆管理模式与案例详解 11.Agent开发的主流框架简介 12.Agent开发框架的学习方法与策略 13.基于可视化编排的Agent开发模式 14.基于代码框架的Agent开发模式 15.记忆，规划，工具，自主决策，推理详解 16.多智能体协作 17.企业级智能体应用与任务规划 18.Agent开发框架选型 19.Agent设计模式ADPS简介 20.ADPS的使用方式与实践 |
|
AI4SE（AI能力应用于软件工程）的最佳实践 1.软件研发全流程中LLM擅长的部分 2.软件研发全流程中LLM不擅长的部分 3.上下文知识库构建的核心价值 4.企业级知识库构建的基本方法 5.竞品分析与市场调研阶段LLM的应用场景与案例 6.产品概念与产品定义阶段LLM的应用场景与案例 7.产品原型阶段LLM的应用场景与案例 8.产品体验设计阶段LLM的应用场景与案例 9.需求分析阶段LLM的应用场景与案例 10.技术选型阶段LLM的应用场景与案例 11.顶层设计阶段LLM的应用场景与案例 12.详细设计阶段LLM的应用场景与案例 13.从设计到UML，从UML到代码的完整示例 14.编码阶段LLM的应用场景与案例 15.代码评审阶段LLM的应用场景与案例 16.单元测试阶段LLM的应用场景与案例 17.接口测试阶段LLM的应用场景与案例 18.持续集成流水中LLM的应用场景与案例 19.各类软件工程文档中LLM的应用场景与案例 20.持续发布中LLM的应用场景与案例 21.性能测试阶段LLM的应用场景与案例 22.测试结果分析中LLM的应用场景与案例 |
|
AI4Test（将AI技术应用于传统软件测试）技术与行业成功案例 1.使用OpenAI API实现单元测试用例的生成 2.LLM用于单元测试用例生成的技术难点与解决思路 3.基于LLM增强传统API自动化测试的行业实践 4.使用OpenAI API实现API接口测试用例的生成 5.使用DeepSeek 实现API组合调用测试用例的生成 6.LLM用于API接口测试用例生成的技术难点与解决思路 7.基于LLM实现可测试性工具的自动生成 8.基于LLM实现测试数据的自动生成 9.基于LLM增强传统GUI自动化测试的行业实践 10.基于LLM增强传统性能测试的行业实践 11.基于LLM增强混沌工程的行业实践 12.测试脚本开发中的GitHub Copilot应用 13.基于OpenClaw实现E2E测试用例的辅助设计与执行 14.基于AI Agent的测试用例设计生成技术 15.基于AI Agent的测试用例脚本生成技术 16.基于Multi-Agent的测试用例设计生成技术 17.基于Multi-Agent的测试用例脚本生成技术 18.使用LLM实现Monkey Test的能力扩展 19.使用LLM实现无脚本的Mobile App探索测试 20.使用LLM识别错误敏感的测试数据 21.使用LLM实现失败测试用例的自动修复 22.使用LLM提升被测对象的可测试性 23.企业级案例：基于需求结构化的E2E GUI自动化测试脚本的生成 |
|
SE4AI（AI原生应用开发）的最佳实践 1.AI原生应用的概念 2.Agentic设计模式 3.Agentic架构演进 4.低代码 VS 实时生成与执行 5.Palantir FDE模式 6.从Code-First到Value-First 7.从确定性到概率性：管理AI输出的不确定性 8.Ownership（对最终业务效果负责） VS Velocity（极速迭代） 9.Palantir FDE的本体论 10.AI原生应用的质量保障（左移） 11.AI原生应用的质量保障（右移） 12.AI原生应用的评测体系 |
|
AI和Agent能力评测的最佳实践 1.LLM评测的行业现状 2.做好评测必须掌握的LLM的核心知识体系 3.如何客观看待评测的结果 4.LLM评测 vs Agent评测 5.结果评测 vs 过程评测 6.现有评测体系的人为局限性 7.评测的本质思考和软件工程的本质 8.有效评测体系建立的基本思路 9.评测体系建立的工程实践 10.大语言模型辅助软件工程的评测体系设计 |
近期公开课推荐
